LEARN 学习规划器

要解决的问题

多数学习类工具的路径是：用户说一句“我想学 AI”，工具立刻返回一堆课程推荐。问题在于，此时目标既宽泛又缺信息——不知道为什么学、基础如何、打算用在哪。这种条件下直接产出的路线图，本质是在信息不足时替用户编造计划。

LEARN() 函数把这件事拆成两层：先算学习可执行度（Learning Readiness），再决定是否生成路线图。Return 回答“现在能不能开始”，Output 才回答“具体怎么开始”。条件不够时，技能宁可只输出分数和缺口，也不硬造计划。

核心能力与关键步骤

• 参数映射：输入被映射到 13 个参数。4 个必需参数（学习目标、学习原因、当前基础、目标水平）任一缺失即报错；目标命中但属宽泛类目时触发 #目标过大!，并给出 3-6 个细分方向供挑选（如“AI”可拆成 AI 编程 / AI Agent / AI 绘图等）。
• 可执行度计算：命中参数的权重累加，得到 0-100% 的分数。建议类参数缺失会扣分但不阻断路线图，可选类缺失同样只提示。
• 限量反馈：问题按优先级排序（目标过大 > 必需参数缺失 > 建议类缺失 > 可选类缺失），每轮最多呈现前 3 条，其余问题等用户补充后重新解析再暴露。
• 有条件生成路线图：仅当 4 个必需参数全部命中且目标未过大，才输出 Learning Roadmap。

适用边界与注意点

• 技能不是课程推荐器，不直接返回资料或课程清单。
• 参数状态只有“命中”与“缺失”两档，不存在“推断”这一档。
• 用户每补充一次信息，必须对同一 LEARN() 整体重新解析，不做增量打补丁。
• 目标拆分到位之前，填再多参数也拿不到路线图——方向正确是前置条件。